Nov, 2023
FedAL: 由对抗学习启发的黑盒联邦知识蒸馏
FedAL: Black-Box Federated Knowledge Distillation Enabled by Adversarial
Learning
TL;DR本文提出了一种名为FedAL的基于对抗学习的联邦知识蒸馏方法，以解决不同客户端的数据异构性问题，通过使用服务器作为鉴别器指导客户端的本地模型训练，实现客户端之间的共识模型输出，并通过较少遗忘的正则化方法保证客户端之间的知识传递和学习能力。实验证明，FedAL及其变体比其他联邦知识蒸馏方法具有更高的准确率。